智能門禁安防報警系統的仿真應用

　　仿真實驗結果表明，通過子圖像權值的分配，突出人臉骨骼特征，識別效果良好(見表1和表2)，模擬了人類識別人臉時主要依據人臉骨骼等穩定特征，而對嘴部和皮膚折皺等表情變化部分特征給予弱化或剔除這一特點。通過對人臉圖像進行分塊，降低圖像維度，減小了計算量。

結語

　　本文研究了在智能門禁報警系統中，人臉識別結合ID技術的仿真應用問題，驗證了基于RBF網絡和貝葉斯估計人臉識別方法在提高安防報警系統的快速、準確和安全性方面的有效性，提高了門禁系統的安全性和防欺詐性，與ID技術相結合，實現了快速識別。將分塊后對人臉圖像奇異值分解壓縮，提高傳輸效率，節省存儲空間，改善局域網的應用環境。在本文所研究的算法基礎上，使用MATLAB語言開發了人臉圖像仿真識別系統的管理操作界面，基于Yale標準人臉圖像庫，用戶可以非常方便地對人臉圖像仿真識別系統進行操作使用，對所研究的人臉識別方法進行仿真測試與對比分析，系統運行結果非常直觀地顯示出來。

參考文獻：

　　[1] 陳彪, 吳成東, 鄭君剛. 基于RBF網絡和貝葉斯分類器融合的人臉識別方法[J]. 電子產品世界, 2009(2):P41-44.

　　[2] Hu J S, Su T M, Jeng S C. Robust Background Subtraction with Shadow and Highlight [C]. Removal for Indoor Surveillance Intelligent Robots and System, 2006 IEEE/RSJ International Conference on Oct. 2006: 4545-4550

　　[3] Lee J, Rajauria P, Subodh K. A model-based conceptual clustering of moving objects in video surveillance [J]. Univ. of Bridgeport Multimedia Content Access: Algorithms and Systems. 2007(1)

　　[4] 洪子泉, 楊靜宇. 基于奇異值特征和統計模型的人臉識別算法[J]. 計算機研究與發展,1994, 31(3): 60-65

　　[5] Cucchiara R, Grana C, Prati A. Computer vision system for in-house video surveillance vision[J]. Image and Signal Processing, IEEE Proceedings, 2005,152: 242-249.

　　[6] Desurmont X, Delaigle J F, Bastide A. A generic flexible and robust approach for intelligent real-time video-surveillance system[J]. Real-Time Imaging VIII, 2004: 134-141

　　[7] Oyang Y J, Hwang S C, Ou Y Y, et al. Data classification with radial basis function networks based on a novel kernel density estimation algorithm. IEEE Transactions on Neural Networks. 2005,16(1):225-236

　　[8] Moghaddam B, Jebara T, Pentland A. Bayesian Face Recognition, Pattern Recognition 2000,33:1771-1782

　　[9] Er M J, Wu S Q, Lu J W, et al. Face recognition with radial basis function (RBF) neural networks Neural Networks, IEEE Transactions 2002,13(3): 697-710

　　[10] Yang F, Paindavoine M. Implementation of an RBF Neural Network on Embedded Systems: Real-Time Face Tracking and Identity Verification [J]. IEEE transaction. on Neural Networks, 2003, 14(5): 1162-1175